a parte i loro piani , io vedo due problemi enormi in un 'searchGPT' e cugini (searchClaude, searchLlama, ecc.):
1) il costo energetico che per una ricerca fatta con LLM è calcolato nell'ordine di 10 volte quello di una normale ricerca con search engine*;
2) che si consolida una dimensione oracolare della ricerca di informazioni: si va in pellegrinaggio dal LLM, si fa una domanda e si torna a casa con una risposta. fine di quel casino di 347.223 esiti per una banale domanda! evviva!!
già con i search engine occorreva essere consapevoli di una serie di bias e limiti, ma almeno era evidente che era necessario un lavoro di analisi e e scelta, che era necessario guardare un po' di esiti prime di trarre delle conclusioni
Maurizio

* sul tema del consumo energetico si possono vedere fra altri questi articoli; il confronto fra il vecchio Google search e le innovazioni basate su LLM è nell'articolo di De Vries:
Catena, Matteo, e Nicola Tonellotto. «A study on query energy consumption in web search engines». CEUR Workshop Proceedings 1404 (gennaio 2015).
De Vries, Alex. «The Growing Energy Footprint of Artificial Intelligence». Joule 7, fasc. 10 (ottobre 2023): 2191–94. https://doi.org/10.1016/j.joule.2023.09.004.
Heikkilä, Melissa. «Making an image with generative AI uses as much energy as charging your phone». MIT Technology Review, 1 dicembre 2023. https://www.technologyreview.com/2023/12/01/1084189/making-an-image-with-generative-ai-uses-as-much-energy-as-charging-your-phone/.
Henderson, Peter, Jieru Hu, Joshua Romoff, Emma Brunskill, Dan Jurafsky, e Joelle Pineau. «Towards the systematic reporting of the energy and carbon footprints of machine learning». The Journal of Machine Learning Research 21, fasc. 1 (Gennaio 2020): 248:10039-248:10081.
Milmo, Dan, Alex Hern, e Jillian Ambrose. «Can the Climate Survive the Insatiable Energy Demands of the AI Arms Race?» The Guardian, 4 luglio 2024, sez. Business. https://www.theguardian.com/business/article/2024/jul/04/can-the-climate-survive-the-insatiable-energy-demands-of-the-ai-arms-race.
Strubell, Emma, Ananya Ganesh, e Andrew McCallum. «Energy and Policy Considerations for Deep Learning in NLP». In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, 3645–50. Florence, Italy: Association for Computational Linguistics, 2019. https://doi.org/10.18653/v1/P19-1355.


Il 29/07/24 12:11, Antonio ha scritto:
Della serie, il "piano B". Se non riusciamo a "piazzare" il prodotto, quanto meno cerchiamo di scalzare Google dal trono della "search", forse sarà più facile in questo modo rientrare dagli investimenti.
Se non ricordo male era Maurizio Lana che in questa lista sosteneva per primo quale fosse il "vero" obiettivo di OpenAI/Microsoft.

Su Search GPT ci sono diversi articoli, uno a caso, https://www.futuroprossimo.it/2024/07/searchgpt-openai-sfida-google-con-il-suo-motore-di-ricerca-ai/ .

A.



if we spent on prosecuting the rich
just one-tenth of the effort we spend prosecuting the poor
it would be a very different world
bruce schneier
Maurizio Lana
Università del Piemonte Orientale
Dipartimento di Studi Umanistici
Piazza Roma 36 - 13100 Vercelli